Creazione di un database ed elaborazione geostatistica dei dati...5.2 Geostatistica Siti...

Siti contaminati: Caratterizzazione, Bonifica e Analisi di Rischio

Maria Elena Piccione, Nicoletta Gazzea 1

CREAZIONE DI UN DATABASE ED ELABORAZIONE GEOSTATISTICA DEI

DATI

Maria Elena Piccione & Nicoletta Gazzea

ISPRA

Gestione dei dati ambientali mediante strumenti GIS ed applicazione di tecniche geostatistiche per

l’elaborazione dei dati



Indice1. Strumenti e tecniche di analisi di dati ambientali2. Acquisizione dati e problematiche 3. Implementazione dati: creazione geodatabase4. Rappresentazione ed analisi dei dati ambientali5. Elaborazioni dati e Calcolo dei volumi di sedimento

contaminato6. Conclusioni7. Bibliografia



1 Strumenti e tecniche di analisi di dati ambientali

Insieme delle apparecchiature HARDWARE e SOFTWARE, delle APPLICAZIONI e delle PERSONE che hanno il compito di:

ACQUISIREORGANIZZAREGESTIRE DATI AMBIENTALI ELEBORARE GEOREFERENZIATIRESTITUIRE


Maria Elena Piccione, Nicoletta Gazzea

Dati raster: CTR, carte nautiche, cartografia IGM, ortofoto, rilievi dasatellite, grid …

Dati vettoriali: perimetrazioni, planimetrie (shapefile, features, CAD,.e00)

Dati alfanumerici (database, tabelle, file di testo…)

Dati acquisiti durante i sopralluoghi (dati GPS, fotografie…)

4

2 Acquisizione dati e problematiche

2.1 Tipologie di dati



2 Acquisizione dati e problematiche

Georeferenziazione

Sistema di riferimento (Datum, proiezione, coordinate)

Unità di misura delle variabili rappresentate

2.2 Criticità dei dati



3 Implementazione dati: creazione geodatabase

Creazione geodatabase per inserire i dati acquisiti (banca dati geografici che costituisce lo scheletro del GIS)

Organizzazione features in dataset

Definizione di metadata descrittivi del file (contenuto, sistema riferimento, origine, storia, modifiche..)

Visualizzazione dati in progetti e creazione di mappe a supporto delle attività di progettazione e bonifica



4 Rappresentazione ed analisi dei dati ambientali

4.1Creazione di un geodatabase e di un progetto GIS per la progettazionedi un Piano di Caratterizzazione Ambientale

Proprietà dell’I.I.M.Tutti i diritti sono riservati



4.2 Implementazione e visualizzazione dei risultati della caratterizzazione


Rappresentazione delle stazioni di campionamento in coordinate reali

Implementazione dei risultati della caratterizzazione nel geodatabase

Creazione di mappe tematiche puntuali rappresentative delle concentrazioni dei singoli analiti

Possibilità di interrogare le tabelle con i dati analitici ed eseguire query per estrarre le informazioni



GEOSTATISTICA(Isatis sviluppato dalla Geovariances)

11

5 Elaborazioni dati e Calcolo dei volumi di sedimento contaminato

5.1 Elaborazioni dati

Esigenze




5.2.1 Origini e applicazioni

• Origini: è una disciplina della statistica spaziale, nata in ambitominerario e sviluppata negli anni sessanta da George Matheron

• Applicazioni: è largamente diffusa in molti settori scientifici (scienzegeologiche e minerarie; idrologia; idrogeologia; scienza dei suoli;agronomia; geotecnica; geofisica; telerilevamento; climatologia;meteorologia; oceanografia; scienze forestali; zoologia;epidemiologia; igiene ambientale)

5.2 Geostatistica




5.2.2 Concetto base

“Punti vicini sono più simili tra loro rispetto a quelli più lontani”

misura questa correlazione tra i campioni per assegnare i pesi

necessari per determinare la stima della variabile

5.2 Geostatistica




5.2.3 Variogramma5.2 Geostatistica

Indica fino a che distanza due campioni si possono considerare spazialmente correlati tra loro

Sem

ivar

iogr

amm

a

Distanza

Nugget

Sill

RangeRappresenta:

• le variazioni che occorrono ad una distanza minore di quella di campionamento

• gli errori di misura

Strumento per misurare la variabilità spaziale

• misura la variabilità che intercorre tra i campioni oltre il valore del range

• coincide normalmente con la varianza campionaria




• Block Kriging: stima delle concentrazioni dei parametri chimici

• Block Cokriging: stima delle frazioni granulometriche

5.3 Tecniche geostatistiche utilizzate nella caratterizzazione dei siti contaminati

• Kriging con disuguaglianze: stima dello spessore di substrato




5.3.1 Block Kriging

Soddisfa le proprietà del Kriging:¸ Stimatore non distorto ¸ Stimatore esatto ¸ Minimizzazione della varianza di errore¸ Utilizzo delle informazioni derivate dall’analisi del

variogramma¸ Informazioni sull’errore commesso nella stima




Calcola il valore medio del blocco e non del suo baricentro


5.3.1 Block Kriging




0

0

100

100

200

200

300

300

400

400

500

500

600

600

700

700

800

800

900

900

1000

1000

Distance (m)

Distance (m)

0 0

5 5

10 10

15 15

Variogram : Prof min


0

0

100

100

200

200

300

300

400

400

500

500

600

600

700

700

800

800

900

900

1000

1000

Distance (m)

Distance (m)

0.0 0.0

0.5 0.5

1.0 1.0

1.5 1.5



ÿ Calcolo del variogramma sperimentale della variabile di studio

18

ÿ Individuazione del modello di variogramma

0

0

100

100

200

200

300

300

400

400

500

500

600

600

700

700

800

800

900

900

1000

1000

Distance (m)

Distance (m)

0.0 0.0

0.5 0.5

1.0 1.0

1.5 1.5



517000

517000

518000

518000

519000

519000

520000

520000

521000

521000

X (m)

X (m)

14500 41145

15000 41150

15500 41155

16000 41160

16500 41165

17000 41170

Y (m)

Y (m)

Stima delle concentrazioni dei parametri chimici


5.3.1 Block Kriging




ÿ Nel caso di anisotropia nella continuità spaziale della variabile si costruiscono n variogrammi sperimentali direzionali lungo le direzioni di continuità spaziale

199

82

41

0.0

0.0

0.1

0.1

0.2

0.2

0.3

0.3

0.4

0.4

0.5

0.5

0.6

0.6

0.7

0.7

Distance (m)

Distance (m)

0 0

10 10

20 20

30 30

40 40

50 50

60 60

70 70

Variogram : Arsenico_mg_kg_ss


1

1655

3553

35163868 463

0

0

100

100

200

200

300

300

400

400

500

500

600

600

700

700

Distance (m)

Distance (m)

0 0

10 10

20 20

30 30

40 40

50 50

60 60

70 70




5.3.1 Block Kriging





5.3.1 Block Kriging


ÿ Verifica della correttezzadel modello di variogrammaselezionato mediante lacross-validation

Concentrazione reale

Scatterplot valore stimato vs valore reale

Scatterplot valore stimato vs stima della deviazione standard

Istogramma della stima della deviazione standard



ÿ Stima della concentrazionemedia all’interno delle celletridimensionali della griglia (3D)di elaborazione


5.3.1 Block Kriging




• Metodo multivariato che fornisce una stima di una o più variabili con

una combinazione lineare che sfrutta, oltre alla correlazione spaziale

di ogni singola variabile, la mutua dipendenza tra le variabili

• La dipendenza tra le diverse variabili è misurata e modellizzata

mediante il variogramma incrociato

• Il Cokriging può essere isotropico o eterotropico


5.3.2 Block CoKriging




ÿ Calcolo dei variogrammi e variogrammi incrociati sperimentalidelle frazioni granulometriche

ÿ Individuazione del modello di variogramma

ÿ Verifica mediante la cross-validation




Stima della frazione granulometrica

N0

0

0

100

100

200

200

300

300

400

400

500

500

600

600

700

700

Distance (m)

Distance (m)

0 0

10 10

20 20

30 30

40 40

50 50

60 60

70 70

80 80

90 90

Variogram : GranMaggiore2mm_per

Variogram : GranMaggiore2mm_per

N0

0

0

100

100

200

200

300

300

400

400

500

500

600

600

700

700

Distance (m)

Distance (m)

-100 -100

0 0

100 100

Variogram : GranMin2mmMagg0_063


N0

0

0

100

100

200

200

300

300

400

400

500

500

600

600

700

700

Distance (m)

Distance (m)

0 0

100 100

200 200

300 300

400 400

500 500



N0

0

0

100

100

200

200

300

300

400

400

500

500

600

600

700

700

Distance (m)

Distance (m)

-200 -200

-100 -100

0 0

100 100

200 200

Variogram : GranMin0_063mm_perc


N0

0

0

100

100

200

200

300

300

400

400

500

500

600

600

700

700

Distance (m)

Distance (m)

-500 -500

-400 -400

-300 -300

-200 -200

-100 -100

0 0

100 100

200 200

300 300

400 400

500 500



N0

0

0

100

100

200

200

300

300

400

400

500

500

600

600

700

700

Distance (m)

Distance (m)

0 0

100 100

200 200

300 300

400 400

500 500

600 600

700 700






24

ÿ Stima mediante Block Cokrigingdelle frazioni granulometrichemedie all’interno delle celletridimensionali della griglia dielaborazione





Hard data: valori puntuali

Soft data:imprecisioni di

misura o intervalli di valori



5.3.3 Kriging con disuguaglianzaEsempio applicativo: stima dello spessore del substrato



L'idea di base consiste nel sostituire la serie di dati imprecisi conuna serie di dati simulati pseudohard in funzione di:

• Hard data

• Modello di variogramma degli hard data

• Disuguaglianza fornita dai soft data



5.3.3 Kriging con disuguaglianza



ÿ Stima dello spessore di substrato

campionabile mediante Block Kriging

utilizzando gli hard ed i pseudohard

data



5.3.3 Kriging con disuguaglianza



Limitazione del volume di stima relativamente alla stima dello spessore dello strato di sedimenti recenti

ÿ Stima della concentrazione dei contaminanti

ÿ Confronto con i limiti di riferimento

ÿ Calcolo dei superamenti totali

ÿ Calcolo dei volumi di sedimento contaminato per i diversi strati di elaborazione in funzione dei superamenti totali

5.4 Applicazioni


Calcolo dei volumi di sedimento contaminato




5.4 Applicazioni



6 Conclusioni

L’impiego di strumenti GIS e di elaborazione geostatistica

garantisce un valido supporto per la rappresentazione ed analisi

delle variabili ambientali, nonché un efficace strumento

progettuale e decisionale nel contesto degli interventi di

caratterizzazione e gestione dei sedimenti contaminati



Bibliografia

• Arctur D.K., Zeiler M., 2004, Designing Geodatabases: Case Studies in GIS Data Modeling. ESRI Press.Redlands, California USA, 408 pp.• Bonham-Carter G.F., 1994, Geographic information systems for geoscientists, modelling with GIS. Ontario,Pergamon, 398p.• Burrough P.A. and McDonnell R.A., 1998, Principles of geographical information systems. University Press,Oxford, 333p.• Chilès J-P., Delfiner P.,1999, Geostatistics: Modeling Spatial Uncertainty, Wiley, New York• Esri, 2005, Building Geodatabases with CASE Tools: 72 pp• Langlais V., 1991, Estimation sous contraintes d'inégalités, Sciences de la Terre, no. 30: 211-224• Matheron G.,1971, The theory of regionalized variables and its applications, Paris School of Mines publication,Paris.• Wackernagel H., 2003, Multivariate Geostatistics: An Introduction with Applications, Springer, Berlin.• Zeiler M., 1999, Modelling Our World. The ESRI Guide to Geodatabase Design. ESRI Press. Redlands,California USA, 199 pp.

Diapositiva numero 1Diapositiva numero 2Diapositiva numero 3Diapositiva numero 4Diapositiva numero 5Diapositiva numero 6Diapositiva numero 7Diapositiva numero 8Diapositiva numero 9Diapositiva numero 10Diapositiva numero 11Diapositiva numero 12Diapositiva numero 13Diapositiva numero 14Diapositiva numero 15Diapositiva numero 16Diapositiva numero 17Diapositiva numero 18Diapositiva numero 19Diapositiva numero 20Diapositiva numero 21Diapositiva numero 22Diapositiva numero 23Diapositiva numero 24Diapositiva numero 25Diapositiva numero 26Diapositiva numero 27Diapositiva numero 28Diapositiva numero 29Diapositiva numero 30Diapositiva numero 31

Creazione di un database ed elaborazione geostatistica dei dati...5.2 Geostatistica Siti...

Documents

Transcript of Creazione di un database ed elaborazione geostatistica dei dati...5.2 Geostatistica Siti...